一：數據預處理

在進行數據挖掘時，我們會用到R中的很多擴展包，各自有不同的函數和功能。如果能將它們綜合起來應用就會很方便。caret包（Classification and Regression Training）就是為了解決分類和回歸問題的數據訓練而創建的一個綜合工具包。下面的例子圍繞數據挖掘的幾個核心步驟來說明其應用。

二：特徵選擇

在進行數據挖掘時，我們並不需要將所有的自變量用來建模，而是從中選擇若干最重要的變量，這稱為特徵選擇（feature selection）。一種算法就是後向選擇，即先將所有的變量都包括在模型中，然後計算其效能（如誤差、預測精度）和變量重要排序，然後保留最重要的若干變量，再次計算效能，這樣反復迭代，找出合適的自變量數目。這種算法的一個缺點在於可能會存在過度擬合，所以需要在此算法外再套上一個樣本劃分的循環。在caret包中的rfe命令可以完成這項任務。

三：建模與參數優化

在進行建模時，需對模型的參數進行優化，在caret包中其主要函數命令是train。

四：模型預測與檢驗

模型建立好後，我們可以利用predict函數進行預測。